2 篇
2026-09-22
从 PPO 与基础术语出发,梳理语言智能体与多智能体强化学习的两条主线,以及奖励与信用分配的核心问题。
2026-09-18
三篇论文串起多智能体学习:训练 LLM 队员、分配个体贡献,以及用 LLM 设计奖励规则。
返回论文